技术摘要：
本发明属于图像处理领域，为较准确地识别出晴空、薄云和厚云，为计算当下光伏发电的出力情况做好准备，进而结合云的运动情况可以预测短期内光伏发电的出力。本发明，基于粗糙集理论的地基云图云分类识别系统和方法，包括照相机、带有加热装置的半球镜面、镜面上方的遮  全部
背景技术：
当前，云识别的方法主要分为传统图像处理方法和人工智能方法两大类。其中，传 统方法虽然准确率较高，但往往适用范围较为局限，需要根据具体问题建立对应的模型；而 人工智能方法中的一些深度学习算法虽然适用范围广，但在识别云图这种形状复杂、细节 繁多的图像时却不太精确，难以达到光伏出力短期预测对准确率的要求，而且需要进行大 量繁琐的全图标定。此外，现有的方法大都只把云图分为云和非云两种模式，这确实满足了 其他很多问题的需要，但却不能满足光伏预测对于准确率的要求。
技术实现要素：
为克服现有技术的不足，本发明旨在提出一种用于全天空图像的云分类识别方 法。对全天空图像应用本发明方法，可以较准确地识别出晴空、薄云和厚云，为计算当下光 伏发电的出力情况做好准备，进而结合云的运动情况可以预测短期内光伏发电的出力。为 此，本发明采取的技术方案是，基于粗糙集理论的地基云图云分类识别系统，包括照相机、 带有加热装置的半球镜面、镜面上方的遮光带以及计算机，通过仪器上方的照相机垂直向 下拍摄带有加热装置的半球镜面，得到当时天空所呈现的图像，并将拍摄得到的图像自动 存储到计算机，计算机设置有粗糙集模块，利用粗糙集的模型求出阈值，将图像的像素划分 为不同区域，从而对天空的模式进行分类识别。 基于粗糙集理论的地基云图云分类识别方法，利用照相机、带有加热装置的半球 镜面、镜面上方的遮光带以及计算机实现，通过仪器上方的照相机垂直向下拍摄带有加热 装置的半球镜面，得到当时天空所呈现的图像，并将拍摄得到的图像自动存储到计算机，在 计算机中利用粗糙集的模型求出阈值，将图像的像素划分为不同区域，从而对天空的模式 进行分类识别。 利用粗糙集的模型求出阈值，将图像的像素划分为不同区域，从而对天空的模式 进行分类识别，具体步骤如下： 采用云图像素归一化红蓝比值R作为区分晴空、薄云和厚云的阈值参数，定义云图 像素归一化红蓝比值R为： 式中:b为像素蓝色通道亮度值；r为像素红色通道亮度值； 设定晴空与薄云、薄云与厚云的分割阈值分别为th1和th2，云图各像素类型的识 别模型： 如果R≥-1且R